The Linear Discriminant Analysis pe

The Linear Discriminant Analysis performs a class-specific dimensionality reduction and was invented by the great statistician Sir R. A. Fisher. He successfully used it for classifying flowers in his 1936 paper The use of multiple measurements in taxonomic problems [48] . In order to find the combination of features that separates best between classes the Linear Discriminant Analysis maximizes the ratio of between-classes to within-classes scatter, instead of maximizing the overall scatter. The idea is simple: same classes should cluster tightly together, while different classes are as far away as possible from each other in the lower-dimensional representation. This was also recognized by Belhumeur, Hespanha and Kriegman and so they applied a Discriminant Analysis to face recognition in [10] .

Kết quả (Việt) 1:

Phân tích biệt thức tuyến tính thực hiện một lớp cụ thể chiều giảm và được phát minh bởi nhà thống kê tuyệt vời Sir R. A. Fisher. Ông thành công đã sử dụng nó cho phân loại hoa trong giấy của ông năm 1936 sử dụng các phép đo nhiều trong vấn đề phân loại [48]. Để tìm thấy sự kết hợp của tính năng phân tách tốt nhất giữa các lớp phân tích biệt thức tuyến tính tối đa hoá tỷ lệ giữa các lớp để phân tán trong các lớp học, thay vì tối đa hóa tổng thể scatter. Ý tưởng là đơn giản: cùng lớp nên cụm chặt chẽ với nhau, trong khi các lớp học khác nhau như xa càng tốt từ mỗi khác ở chiều thấp hơn đại diện. Điều này cũng được công nhận bởi Belhumeur, Hespanha và Kriegman và do đó họ áp dụng phân biệt thức để nhận dạng khuôn mặt trong [10].

Kết quả (Việt) 2:

Các biệt thức phân tích tuyến tính thực hiện một giảm chiều lớp cụ thể và đã được phát minh bởi các nhà thống kê vĩ đại Sir RA Fisher. Ông thành công sử dụng nó để phân loại hoa trong bài báo năm 1936 của mình Việc sử dụng nhiều phép đo trong vấn đề phân loại [48]. Để tìm thấy sự kết hợp của các tính năng phân cách tốt nhất giữa các lớp của biệt thức phân tích tuyến tính tối đa hóa tỷ lệ giữa các lớp học để trong lớp học phân tán, thay vì tối đa hóa sự phân tán tổng thể. Ý tưởng rất đơn giản: cùng một lớp học nên cụm chặt chẽ với nhau, trong khi các lớp học khác nhau như xa càng tốt từ mỗi khác trong các đại diện thấp hơn chiều. Điều này cũng đã được công nhận bởi Belhumeur, Hespanha và Kriegman và do đó, họ áp dụng một phân tích biệt để nhận diện khuôn mặt trong [10].